统计测辨法综合负荷建模研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-31页 |
| ·负荷建模的重要意义 | 第13-16页 |
| ·负荷模型对潮流计算的影响 | 第14-15页 |
| ·负荷模型对小扰动稳定计算的影响 | 第15页 |
| ·负荷模型对暂态稳定计算的影响 | 第15-16页 |
| ·负荷模型对电压稳定计算的影响 | 第16页 |
| ·负荷模型对继电保护的影响 | 第16页 |
| ·综合负荷建模方法 | 第16-18页 |
| ·综合负荷的模型结构 | 第18-21页 |
| ·静态负荷模型 | 第19页 |
| ·动态负荷模型 | 第19-20页 |
| ·负荷输入输出模型 | 第20-21页 |
| ·模型参数的辨识和分散性 | 第21-23页 |
| ·参数的辨识 | 第21-22页 |
| ·参数的分散性 | 第22-23页 |
| ·负荷建模与电压稳定 | 第23-24页 |
| ·综合负荷模型的分类与综合 | 第24-25页 |
| ·负荷模型的评价与验证 | 第25页 |
| ·特殊元件和行业的建模 | 第25-26页 |
| ·负荷建模研究的方向 | 第26-27页 |
| ·本论文主要工作 | 第27-31页 |
| 第2章 静态负荷模型的参数辨识和行业特性分析 | 第31-53页 |
| ·引言 | 第31-32页 |
| ·综合负荷的静态模型 | 第32-34页 |
| ·多项式模型 | 第32-33页 |
| ·幂函数模型 | 第33页 |
| ·混合模型 | 第33-34页 |
| ·传统的静态模型参数辨识 | 第34-36页 |
| ·最小二乘法原理 | 第34-35页 |
| ·动态系统的最小二乘法原理 | 第35页 |
| ·传统的静态负荷参数辨识方法 | 第35-36页 |
| ·基于Lemke算法静态负荷参数辨识 | 第36-38页 |
| ·基于Lemke优化算法 | 第36-38页 |
| ·辨识原理 | 第38页 |
| ·建模实例和结果分析 | 第38-40页 |
| ·实验数据的获取 | 第38页 |
| ·辨识结果 | 第38-40页 |
| ·分析与讨论 | 第40页 |
| ·基于统计综合的行业负荷静态特征参数研究 | 第40-43页 |
| ·基于统计综合的行业负荷建模原理 | 第40-41页 |
| ·感应异步电动机的静态特征系数 | 第41-43页 |
| ·基于统计综合的用电行业静态建模方法 | 第43-45页 |
| ·选择用电行业用户 | 第43页 |
| ·行业用户的设备比例计算 | 第43-44页 |
| ·行业综合用户负荷特性参数的计算 | 第44-45页 |
| ·建模实例与讨论 | 第45-52页 |
| ·建模结果 | 第45-47页 |
| ·讨论 | 第47-49页 |
| ·基于元件的负荷建模平台的实现 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第3章 负荷建模行业用户精选和变电站分类与综合 | 第53-75页 |
| ·引言 | 第53-54页 |
| ·统计综合法负荷建模的基本思路 | 第54-55页 |
| ·行业典型用户的选取 | 第55页 |
| ·模糊聚类分析理论 | 第55-60页 |
| ·基于等价关系的负荷特性模糊聚类 | 第57-58页 |
| ·基于模糊C均值算法的负荷特性聚类 | 第58-60页 |
| ·聚类精选的实例 | 第60-63页 |
| ·聚类典型用户的负荷组成 | 第60-61页 |
| ·直接聚类的典型用户精选 | 第61-62页 |
| ·FCM聚类的典型用户精选 | 第62页 |
| ·聚类结果分析 | 第62-63页 |
| ·变电站的分类与综合的意义 | 第63-65页 |
| ·变电站的分类与综合实例 | 第65-69页 |
| ·变电站的负荷组成 | 第65页 |
| ·基于等价关系的模糊聚类结果 | 第65-66页 |
| ·模糊C均值聚类结果 | 第66-67页 |
| ·分析 | 第67-69页 |
| ·基于统计综合的变电站动静态比例研究 | 第69-74页 |
| ·研究背景 | 第69-70页 |
| ·调查的思路和方案 | 第70-71页 |
| ·关键问题 | 第71页 |
| ·统计原则与结论 | 第71-74页 |
| ·本章小结 | 第74-75页 |
| 第4章 负荷建模实测数据特征提取与分类 | 第75-95页 |
| ·引言 | 第75-76页 |
| ·小波变换的理论 | 第76-81页 |
| ·连续小波变换 | 第77-79页 |
| ·离散小波变换 | 第79-81页 |
| ·小波包算法及其函数 | 第81-85页 |
| ·小波函数db1 | 第83-84页 |
| ·小波包算法 | 第84-85页 |
| ·小波包的分解函数 | 第85页 |
| ·小波包的重构函数 | 第85页 |
| ·基于小波包的负荷建模数据的特征提取 | 第85-86页 |
| ·基于减法聚类的负荷特征分类 | 第86-87页 |
| ·建模数据特征提取与分类 | 第87-93页 |
| ·动模实验室数据的特征提取与分类 | 第87-90页 |
| ·变电站实测建模数据的特征提取和分类 | 第90-93页 |
| ·分析与讨论 | 第93-94页 |
| ·本章小结 | 第94-95页 |
| 第5章 模糊神经网络综合负荷建模及其综合能力 | 第95-115页 |
| ·引言 | 第95-96页 |
| ·模糊逻辑与神经网络 | 第96-100页 |
| ·BP神经网络的基本理论 | 第100-103页 |
| ·BP神经网络模型 | 第101-102页 |
| ·BP神经网络辨识过程 | 第102-103页 |
| ·模糊神经网络的负荷建模理论 | 第103-105页 |
| ·综合负荷模糊神经网络模型 | 第103页 |
| ·综合负荷模糊神经网络模型的参数辨识 | 第103-104页 |
| ·构造模糊神经网络的综合负荷模型 | 第104-105页 |
| ·负荷建模的减法聚类和神经网络的学习 | 第105-108页 |
| ·确定初始结构的减法聚类 | 第105-106页 |
| ·神经网路学习算法 | 第106页 |
| ·基于模糊神经网络负荷模型的参数辨识 | 第106-108页 |
| ·建模实例与讨论 | 第108-110页 |
| ·建模实例 | 第108-109页 |
| ·分析与讨论 | 第109-110页 |
| ·模型的综合描述能力研究 | 第110-114页 |
| ·负荷模型内插外推的意义 | 第110页 |
| ·模型内插外推能力验证实例 | 第110-113页 |
| ·分析与讨论 | 第113-114页 |
| ·本章小结 | 第114-115页 |
| 第6章 结论与展望 | 第115-119页 |
| ·本文研究的主要工作 | 第115-116页 |
| ·后续工作的展望 | 第116-119页 |
| 参考文献 | 第119-128页 |
| 致谢 | 第128-129页 |
| 附录A 攻读博士期间发表的论文 | 第129-130页 |
| 附录B 攻读博士期间参与的科研 | 第130页 |
